待验证50% 置信基准精确时间

TRACER 在组级转化率误差和语义轨迹距离两项指标上都取得了最低值，并能泛化到分布外场景

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/25

首次发现

有效期至：2026/12/24

来源

TRACER：让用户模拟器学会行为一致性，而非表面模仿

涉及实体

相关事实

待验证ROUGE指标存在长度偏差：生成较短摘要的模型在精确率占优，较长摘要模型在召回率占优，且ROUGE不能衡量事实一致性71% 相似待验证为几个百分点的榜单差距进行定向优化是本末倒置，评估模型时不应盲目迷信榜单排名70% 相似待验证异构模型交叉审查因不同训练分布带来不同缺陷敏感性，能减少单一模型的同源偏见和认知盲区70% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力70% 相似待验证Agent 评测中由于错误沿任务链累积传播，最终完成率的分差往往比传统 NLP 基准更难弥合69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/949073

API

curl https://kongchang.com/api/v1/knowledge/claims/949073

MCP

get_claim(id=949073)